7354 articoli
Il paper introduce il Dynamic Chunking Diffusion Transformer (DC-DiT), un modello che migliora l'efficienza computazionale e la qualità della generazione delle immagini adattando dinamicamente il numero di token in base alla complessità visiva e allo stadio di denoising, ottenendo risultati superiori rispetto ai DiT tradizionali con un costo di addestramento ridotto.
Il paper presenta CLAIRE, un framework ibrido di deep learning che combina autoencoder e classificazione supervisionata per migliorare il rilevamento dei guasti nella manifattura intelligente, offrendo allo stesso tempo interpretabilità delle previsioni tramite tecniche basate sulla teoria dei giochi.
Il documento presenta ESAA-Security, un'architettura di audit di sicurezza basata su eventi e verificabile che trasforma la revisione del codice generato dall'IA da una conversazione libera in un processo governato e riproducibile, separando la cognizione degli agenti dalle mutazioni di stato per garantire tracciabilità e integrità dei risultati.
Il paper estende la regolarizzazione basata sulla cinetica (KBR) per stimare con precisione le derivate spaziali da dati discreti e rumorosi, proponendo schemi espliciti e impliciti che garantiscono convergenza quadratica e permettendo la risoluzione stabile di equazioni differenziali alle derivate parziali iperboliche su nuvole di punti irregolari.
Questo lavoro propone un framework di addestramento "prompt-group-aware" che, organizzando prompt semanticamente equivalenti in gruppi e applicando regolarizzazione e vincoli di coerenza, migliora la robustezza e la generalizzazione della segmentazione guidata da testo dei nuclei cellulari senza modificare l'architettura o l'inferenza dei modelli fondazione.
Il paper propone un'architettura di orchestrazione "schema-gated" che risolve il compromesso tra flessibilità conversazionale e determinismo esecutivo nei flussi di lavoro scientifici, separando l'autorità dialogica da quella operativa per garantire riproducibilità e governance senza rigidità.
Il paper introduce PSIVG, un nuovo framework che integra un simulatore fisico nel processo di generazione video basata su diffusione per garantire che i movimenti degli oggetti rispettino le leggi della fisica, migliorando così la coerenza spaziotemporale e la realismo dei video generati.
Questo articolo propone un'architettura di riferimento per i framework di apprendimento per rinforzo, derivata dall'analisi di 18 sistemi all'avanguardia tramite l'approccio della teoria fondata, al fine di stabilire una base comune per il confronto, la valutazione e l'integrazione di tali tecnologie.
Il paper presenta CLoPA, una strategia di adattamento continuo che ottimizza una piccola frazione dei parametri del modello nnInteractive su dati annotati in tempo reale, elevando rapidamente le prestazioni della segmentazione interattiva a livelli esperti su diverse attività mediche senza richiedere modifiche al flusso di lavoro o nuovi parametri.
Questo studio valuta la capacità dei modelli linguistici di grandi dimensioni di eseguire ragionamenti abduttivi, convertendo un dataset sillogistico per verificare se tali modelli presentino bias simili a quelli umani e per sottolineare l'importanza del ragionamento contestualizzato oltre la deduzione formale.
Il paper propone una strategia di post-addestramento basata su confini prosodici per modelli TTS LLM, che risolve le sfide della generazione in streaming con input testuale incrementale prevenendo il crollo del contesto e migliorando significativamente la qualità dell'audio e la precisione lessicale.
Il paper dimostra che i modelli fondazionali vision-language possiedono una ricca conoscenza geometrica nei loro feature congelati, accessibile tramite semplici sonde lineari con alta precisione, rivelando che le limitazioni nella misurazione fisica derivano principalmente da deficit nel percorso di generazione testuale e non dalla rappresentazione visiva stessa.
Il paper presenta PONTE, un framework human-in-the-loop che supera i limiti delle spiegazioni XAI generiche e delle allucinazioni degli LLM, orchestando la generazione di narrazioni personalizzate e affidabili attraverso un ciclo chiuso di validazione, adattamento basato su feedback utente e verifica rigorosa della fedeltà e completezza.
Il paper introduce NOBLE, un'architettura che accelera l'addestramento dei transformer da zero mediante rami a basso rango non lineari permanenti, ottenendo significativi miglioramenti nell'efficienza e nella velocità di convergenza con un minimo sovraccarico di parametri.
Il paper presenta COLD-Steer, un framework senza addestramento che controlla il comportamento dei grandi modelli linguistici durante l'inferenza approssimando le dinamiche di apprendimento in un solo passo tramite esempi in contesto, ottenendo un'efficacia di steering fino al 95% con 50 volte meno campioni rispetto alle migliori tecniche esistenti.
Questo studio presenta un sistema di intelligenza artificiale addestrato su oltre 45.000 immagini ecografiche che non solo diagnostica le fessure orofacciali fetali con un'accuratezza pari a quella dei radiologi esperti, ma funge anche da strumento didattico efficace per migliorare le capacità diagnostiche dei radiologi meno esperti.
Il paper presenta RAMoEA-QA, un modello generativo gerarchico che utilizza un meccanismo di routing a due stadi per specializzare dinamicamente l'elaborazione audio e la generazione linguistica, ottenendo prestazioni superiori e una maggiore robustezza nella risposta a domande su registrazioni respiratorie rispetto ai metodi esistenti.
Il paper presenta LiveSense, una piattaforma cross-platform che trasforma schede di rete Wi-Fi commerciali (COTS) su laptop in sensori Range-Doppler in tempo reale con precisione centimetrica, permettendo l'estrazione sincronizzata di informazioni sullo stato del canale, l'annullamento dell'auto-interferenza e il rilevamento di distanza, velocità e micro-movimenti senza compromettere la comunicazione.
Il paper propone H²RL, un approccio ibrido che utilizza un preaddestramento basato su opzioni logiche per allineare gli agenti di apprendimento per rinforzo profondo, migliorando le decisioni a lungo termine e superando le prestazioni di baselines neurali, simboliche e neuro-simboliche.
Il paper introduce SUREON, un vasto dataset di domande e risposte estratto da video chirurgici accademici, e due modelli di visione-linguaggio (SureonVLM e SureonVLM-R1) che, grazie a questo addestramento su ragionamento chirurgico, superano i modelli generici nel comprendere intenti, rischi e previsioni durante gli interventi.